在这篇定量研究文章中，我们将研究Compound Finance V2 DeFi 协议的稳定币贷款收益率，并分享我们对收益率表现、波动性以及哪些因素推动 DeFi 协议抵押借贷收益率的看法。

虽然我们知道最近 Terra 的算法稳定币 TerraUSD (UST) 的崩溃，但我们在这里的分析是关于中心化稳定币的抵押贷款收益领域。

我们在这篇文章中得出结论，使用稳定币进行低风险(在DeFi范围内)抵押贷款，可以优于传统金融市场的无风险投资。

USDT / USDC收益率分析

已将资产放入流动性池的 Compound 用户可以使用 exchangeRate 计算总借贷收益率，这表明贷方随着时间的推移可以获得的利息价值，从时间T1到T2可获得：

R(T1,T2)=exchangeRate(T2)/exchangeRate(T1)-1

此外，这种类型的抵押贷款的年化收益率(假设连续复利)可以计算为：

Y(T1,T2)=log(exchangeRate(T2)) — log(exchangeRate(T1))/(T2-T1)

虽然Compound流动性池支持USDT、USDC、DAI、FEI等多种稳定币资产，但这里我们只分析前两种稳定币，即USDT和USDC，它们的市值分别为800亿美元和530亿美元。它们合计占据了稳定币总市场的70%以上。

下面是根据上一节的公式计算出的年化日、周、月和半年收益率的图。日收益率有些波动，而周收益率、月收益率和半年收益率分别是之前图的平滑版本。USDT和USDC在图中有相对类似的模式，因为它们在2021年初都经历了高收益率和高波动性。这表明，有一些系统性的因素正在影响整个稳定的借贷市场。

来源：the graph

可能影响贷款收益率的系统性因素是加密市场数据(如BTC/…

编译 | 白泽研究院

上周，领先的数字资产管理公司 Arca 的首席投资官 Jeff Dorman 做客了 DeCential Media 的播客节目。Jeff 在美林证券和 Citadel Securities 等华尔街公司拥有超过 17 年的资产管理和交易经验，曾帮助客户交易了超过 1 亿美元的私人资本。Jeff 小时候是一名狂热的棒球卡片收藏家，因此他能够很快理解 NFT 的吸引力。他是数字资产领域最聪明、最准确的人之一。

他畅想了一个的世界，那便是公司、大学甚至市政当局都在使用加密货币为持有者提供今天不可能的福利。

主持人：很高兴 Jeff 来做客。我知道你在资产管理方面有很深的背景，所以我很好奇你的成长道路以及如何让你成为如今的角色，可以跟观众们说说吗？

我的职业生涯的前二十年，围绕着华尔街和金融科技。我一直很喜欢分析公司资产损益表，帮助公司筹集资金，以及了解它们的价值。我在 2014 年离开华尔街，帮助创办了一家名为 Harves Exchange 的金融科技公司，这是我第一次在投资领域之外进行工作。有 10 多名全栈开发人员与我一起工作，他们中的很多人都在挖比特币，都在 Github 上使用开源代码。这很有趣，因为我当时只是听说过比特币，从宏观角度来看，它的确是一种有对冲通胀作用的货币类型，但我从来没有从开发者的角度理解它，直到我看到开发人员谈论它的代码，所以这就是我在接下来的几年中研究它的原因，当我真正理解了比特币以后，我爱上了它。

在洛杉矶，很多人都没有主业，几乎每个人都只是在做副业。在这里我认识的很多人都以某种方式参与了数字资产，要么是正在编写代码搞开发，要么是正在进行风险投资，要么是加密社区的参与者。一旦我们超越比特币的价格来看它，我们才能发现，其底层的区块链是一种致力于取代整个传统金融的技术，因此这意味着我开发了 15 年资产管理工具都将被取代。…

如果你对区块链技术感兴趣的话，可能听说过很多攻击者利用程序代码中的漏洞而导致的大量资金被盗事件。例如，2016 年臭名昭著的 DAO 攻击事件，攻击者利用一个名叫「重入」的漏洞超额提取了他们原本所能提取的资金。另一个更近期的事件是闪电贷攻击，发生于 2022 年 4 月 17 日，造成 1.82 亿美元的资金损失。虽然所有攻击都源于底层源代码的安全漏洞，但好消息是现在已经有能够检测此类漏洞的程序分析技术。在接下去的几篇博文中，我们会解释程序分析是什么，以及它如何帮助在部署前捕获安全漏洞。

程序分析简介

程序分析指的是一类用于检测程序中安全漏洞的技术。程序分析有两种主要形式，动态和静态。动态程序分析的目标是通过执行程序来检测问题，而静态程序分析则无需运行程序本身就可以对源代码进行分析。然而，在这些技术之中，只有静态分析能够确保程序中不存在漏洞。相反，不同于静态分析，动态分析能证明问题的存在，它并不能够证明漏洞并不存在。

乍一看，静态分析听起来似乎很神秘：表面看来，静态分析似乎违反了一个被总结为莱斯定理「Rice’s theorem」的基本原则，该定理声称程序的每一个非平凡性质都是不可判定的。在此，语义属性是关于程序行为的属性（与语法属性不同），而非平凡性质是指只有某些程序拥有而其他程序没有的性质。与我们手头话题更相关的是，安全漏洞的存在是非平凡性质的一个典型例子。因此，关于「这个程序是否存在安全漏洞」这一问题，莱斯定理告诉我们没有一个算法能够终结并准确回答这一问题。 

那么，静态分析的可行性源自哪里呢？答案藏于以下的观察：没错，没有一个算法能够准确地给出是或否，但可以有一个算法在程序有安全漏洞时总是会回答「是」，在程序没有安全漏洞时算法有时可能也会回答「是」。换句话说，只要我们愿意容忍一些误报，我们就可以绕过赖斯定理和不可判定性。

静态分析原理

让我们以高一维度的视角来看看静态分析是如何运作的。静态分析的基本原理是将程序所处的状态集合进行过近似「over-approximate」。我们将程序状态视为从变量到值的映射。一般来说，不存在一个算法能够明确也许是执行某一程序引起的确切程序状态集。但可以近似该集合，如下图所示：

此处，蓝色的不规则形状对应在执行某些程序时可能出现的实际状态集，红色区域对应预示错误或安全漏洞的「坏状态」。由于不可判定性，永远没有一个算法能够准确表明蓝色区域到底是什么，但是我们能设计一个算法以系统性的方式过近似这个蓝色区域，如上面常规绿色区域所示。只要绿色和红色的交集为空，我们就有证据证明程序没有做坏事。然而，如果我们的过近似不够不准确，可能会使得红色区域重叠，即使蓝色和红色区域的交集依旧为空，如下图所示：

这种情况会导致所谓的「误报」，由于分析与真实问题不相应而报告的虚假错误。一般而言，静态分析的圣杯是构造过近似，即 （1）过近似足够准确因此我们在实际中不会获得很误报 （2）过近似的计算足够有效率，因此分析可扩展到我们所关心的现实世界的程序。

附带说明一下，还可以设计静态分析算法来近似如下所示的程序行为：

在此情况下，绿色区域（通过静态分析计算）包含在蓝色区域内（表示实际状态），和另一种方式正好相反。这种分析是不可靠的，意味着可能会漏掉真正的程序错误：正如我们在上图所看到的那样，绿色和红色的交集为空，因此即使程序真的存在漏洞，分析也不会报告问题。这会导致所谓的假阴性，真正的漏洞被静态分析给遗漏了。

大体来说，如果我们想获得可证明的安全性，我们会想要可靠的从来不会有误报的静态分析器，同时还需要足够精确，在实践时不会报告太多误报。然而，好消息是，几十年的正统研究表明设计这样的静态分析器有可能的。下篇博文，我们会更详细地介绍静态分析器具体是如何运作的！

总结

程序分析是一种有效的能够捕捉各种程序中安全漏洞的技术，包括区块链应用程序。此外，可靠的静态分析器的过近似程序行为能确保整个类别中不存在漏洞。

本文来源：Foresight News
原文标题：安全问题频现，程序分析如何提前捕获安全漏？声明：本文为入驻“火星号”作者作品，不代表火星财经官方立场。
转载请联系网页底部：内容合作栏目，邮件进行授权。授权后转载时请注明出处、作者和本文链接。 未经许可擅自转载本站文章，将追究相关法律责任，侵权必究。
提示：投资有风险，入市须谨慎，本资讯不作为投资理财建议。免责声明：作为区块链信息平台，本站所提供的资讯信息不代表任何投资暗示，本站所发布文章仅代表个人观点，与火星财经官方立场无关。虚拟货币不具有法定货币等同的法律地位，参与虚拟货币投资交易存在法律风险。火星财经反对各类代币炒作，请投资者理性看待市场风险。…